CN106127304A - 一种适用于配电网网络拓扑设计方法 - Google Patents
一种适用于配电网网络拓扑设计方法 Download PDFInfo
- Publication number
- CN106127304A CN106127304A CN201610506547.8A CN201610506547A CN106127304A CN 106127304 A CN106127304 A CN 106127304A CN 201610506547 A CN201610506547 A CN 201610506547A CN 106127304 A CN106127304 A CN 106127304A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- chromosome
- power distribution
- population
- network topology
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 210000000349 chromosome Anatomy 0.000 claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 230000008775 paternal effect Effects 0.000 claims abstract description 4
- 238000010186 staining Methods 0.000 claims abstract description 4
- 230000002068 genetic effect Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000035772 mutation Effects 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims 1
- 230000008774 maternal effect Effects 0.000 abstract 1
- 238000010276 construction Methods 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000004043 dyeing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Molecular Biology (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Genetics & Genomics (AREA)
- Operations Research (AREA)
Abstract
本发明公开一种适用于配电网网络拓扑设计方法。第1步,进行染色体编码;第2步,初始化配电网络拓扑集;第3步,进行解码,并开展潮流计算,基于计及网络损耗和电能质量的评价函数,对种群中的染色体适应度进行评估,从而实现多目标优化;第4步,从种群中选择染色体作为父方和母方,抽取父母双方的染色体,进行交叉,产生子代,对子代的染色体进行变异;第5步,重复2、3、4步骤至规定次数,解码适应度最高的前x个染色体进行解码。本方案以生物进化为原型,具有较好的收敛些,能够广泛应用于配电网网络拓扑设计工作中。
Description
技术领域
本发明属于电力系统网络规划设计领域,尤其是适用于配电网网络拓扑设计方法。
背景技术
做强配网,升级农网,全面落实国家配网行动计划、实现配网优质供电,解决农村电网供电可靠性低、电压稳定性差的难题,是十三五期间电网的重点工作任务之一。另外,近期能源局发布《配电网建设改造行动计划》,提出2015-2020年配电网建设改造投资不低于2万亿元。
在国家政策对配电网建设大力支持的背景下,对配电网规划设计开展系统研究分析,是保障配电网高质、高效地完成投资建设的重要前提。配电网的规划设计质量直接影响到配网的网络水平及投资效益,其对于降低网损、提高可靠性和保障电能质量的影响不亚于配电网的运行管理,因此说,配电网规划设计技术的发展对整个电力的发展至关重要。
传统配电网网络拓扑设计中,多依据国家、行业及电网公司配电网设计标准,依靠人工经验确定配电网络最终拓扑结构,其设计方案虽然可以保证安全、可靠性,但是难以确保其经济性和电能质量。
发明内容
针对以上问题,本发明提供了一种适应于配电网网络拓扑设计方法,该方法以生物进化为原型,将配电网网络节点等效成树形拓扑节点,通过基因编码、基因交叉、基因变异等操作,并引入电能质量和网络损耗适应度评价函数,能够快速有效地识别出最优配电网网络拓扑集合,供广大配电网领域设计人员参考使用,能够广泛应用于配电网网络拓扑设计工作中,并具有较好的通用性。
为了实现上述目的,本发明包括按顺序进行的下列步骤:
步骤一,基于Prufer编码方法对地区配电网网络节点进行染色体编码;
步骤二,基于人工遗传算法创建初始种群,即初始化配电网络拓扑集;
步骤三,基于Prufer编码原则对每次遗传计算产生的新种群(新网络拓扑集)进行解码,并开展潮流计算,基于计及网络损耗和电能质量的评价函数,对种群中的染色体适应度进行评估,从而实现多目标优化;
步骤四,遵照适应度越高,选择概率越大的原则,从种群中选择染色体作为父方和母方,抽取父母双方的染色体,进行交叉,产生子代,对子代的染色体进行变异;
步骤五,重复步骤二、三、四步骤至规定次数,解码适应度最高的前x个染色体进行解码,即为配电网网络设计的最优拓扑方案集合。
在步骤一中,基于Prufer编码方法对地区配电网网络节点进行染色体编码的具体方法如下:
引入树形拓扑的概念,将地区枢纽变电站及配电网其余变电站/变压器节点视为树形拓扑的节点,并对每个节点进行编号,编号最大数值不得超过节点总数。
基于Prufer编码方法,对树形拓扑进行编码,N个网络节点最终编码长度为N-2,将其作为人工遗传优化算法的染色体基因。
在步骤二中,基于人工遗传算法所设定的初始种群数量M,生成一个M×(N-2)矩阵Pop,如下式所示:
式中不得大于N,即为基于人工遗传算法创建的配电网络拓扑初始种群。
在步骤三中,对对种群中的染色体适应度进行评估的具体方法如下:
对M×(N-2)矩阵Pop的每行,即每条染色体进行prufer解码,并生成配电网网络拓扑结构N×N矩阵Node,为该矩阵的元素,值为1时代表配电网络节点i 与配电网网络节点j 连接,值为0时则代表两点之间无连接。
基于配电网网络拓扑结构N×N矩阵Node,对该矩阵所代表的网络拓扑进行潮流计算,基于计及网络损耗和电能质量的评价函数计算该染色体的适应度,计算用的评价函数所下式所示;
式中,为第i条染色体的适应度评价函数,分别为第i 条染色体对应配电网网络拓扑潮流计算后的网络损耗、电压,为编号为m 的配电网络节点的额定电压。
在步骤四中,采用轮盘赌算法对种群进行选择,旧种群执行交叉算子后得到新种群,从旧种群中选择前B1%的优秀染色体作为子代群体,从新种群中选择前B2%的优秀染色体作为子代群体,并对子代种群染色体执行变异算子,从而模拟整个生物繁殖遗传过程。其中,B1+B2=100,B1、B2、交叉概率crossRate和变异概率mutateRate可以根据算法表现情况进行调整。
附图说明
图1为本发明所提出的一种适应于配电网网络拓扑设计方法的算法流程图;
图2为本发明采用所公开的配电网网络拓扑设计方法后,算法所设计的最优配电网网络拓扑集合图;
图3为本发明采用所公开的配电网网络拓扑设计方法后,人工遗传算法迭代过程中,最优染色体适应度值的变化趋势。
具体实施方式
下面结合附图和具体实例,对本发明做进一步地详细说明,但本发明的实施方式不限于此。
本发明是在配电网网络节点坐标信息及站点负荷数据已经确定的前提下,进行配电网网络拓扑设计。
本发明提供的一种适应于配电网网络拓扑设计方法,包括按顺序进行的下列步骤:
步骤一,录入地区配电网10个网络节点的坐标信息及负荷数据,基于Prufer编码方法对地区配电网网络节点进行染色体编码;
步骤二,基于人工遗传算法创建初始种群,即初始化配电网络拓扑集;
步骤三,基于Prufer编码原则对每次遗传计算产生的新种群(新网络拓扑集)进行解码,并开展潮流计算,基于计及网络损耗和电能质量的评价函数,对种群中的染色体适应度进行评估,从而实现多目标优化;
步骤四,遵照适应度越高,选择概率越大的原则,从种群中选择染色体作为父方和母方,抽取父母双方的染色体,进行交叉,产生子代,对子代的染色体进行变异;
步骤五,重复步骤二、三、四步骤至规定次数,解码适应度最高的前4个染色体进行解码,即为配电网网络设计的最优拓扑方案集合。
在步骤一中,基于Prufer编码方法对地区配电网网络节点进行染色体编码的具体方法如下:
引入树形拓扑的概念,将地区枢纽变电站及配电网其余变电站/变压器节点视为树形拓扑的节点,并对每个节点进行编号,编号最大数值不得超过节点总数,其中地区枢纽变电站编号为1。
基于Prufer编码方法,对树形拓扑进行编码,10个网络节点最终编码长度为8,将其作为人工遗传优化算法的染色体基因。
在步骤二中,基于人工遗传算法所设定的初始种群数量100,生成一个100×8矩阵Pop,如下式所示:
式中不得大于10,即为基于人工遗传算法创建的配电网络拓扑初始种群。
在步骤三中,对对种群中的染色体适应度进行评估的具体方法如下:
对100×8矩阵Pop的每行,即每条染色体进行prufer解码,并生成配电网网络拓扑结构N×N矩阵Node,为该矩阵的元素,值为1时代表配电网络节点i 与配电网网络节点j 连接,值为0时则代表两点之间无连接。
基于配电网网络拓扑结构10×10矩阵Node,对该矩阵所代表的网络拓扑进行潮流计算,基于计及网络损耗和电能质量的评价函数计算该染色体的适应度,计算用的评价函数所下式所示;
式中,为第i条染色体的适应度评价函数,分别为第i 条染色体对应配电网网络拓扑潮流计算后的网络损耗、电压,为编号为m 的配电网络节点的额定电压。
在步骤四中,采用轮盘赌算法对种群进行选择,旧种群执行交叉算子后得到新种群,从旧种群中选择前10%的优秀染色体作为子代群体,从新种群中选择前90%的优秀染色体作为子代群体,并对子代种群染色体执行变异算子,从而模拟整个生物繁殖遗传过程。其中,交叉概率crossRate和变异概率mutateRate可以根据算法表现情况进行调整,本实例中交叉概率crossRate取0.7,变异概率mutateRate取0.1。
在步骤五中,取算法迭代次数为100次。
最终得到的配电网网络拓扑集合(共4个),解集中的每一个拓扑都是最优的拓扑设计方案之一,可为配电网网络拓扑设计提供科学决策依据。
Claims (8)
1.一种适应于配电网网络拓扑设计方法,包括以下步骤:
步骤一,基于Prufer编码方法对地区配电网网络节点进行染色体编码;
步骤二,基于人工遗传算法创建初始种群,即初始化配电网络拓扑集;
步骤三,基于Prufer编码原则对每次遗传计算产生的新种群(新网络拓扑集)进行解码,并开展潮流计算,基于计及网络损耗和电能质量的评价函数,对种群中的染色体适应度进行评估,从而实现多目标优化;
步骤四,遵照适应度越高,选择概率越大的原则,从种群中选择染色体作为父方和母方,抽取父母双方的染色体,进行交叉,产生子代,对子代的染色体进行变异;
步骤五,重复步骤二、三、四步骤至规定次数,解码适应度最高的前x个染色体进行解码,即为配电网网络设计的最优拓扑方案集合。
2.根据权利要求1所述的一种适应于配电网网络拓扑设计方法,其特征在于:所述的步骤一中,引入树形拓扑的概念,将地区枢纽变电站及配电网其余变电站/变压器节点视为树形拓扑的节点,并对每个节点进行编号,编号最大数值不得超过节点总数。
3.根据权利要求2所述的一种适应于配电网网络拓扑设计方法,其特征在于:基于Prufer编码方法,对树形拓扑进行编码,N个网络节点最终编码长度为N-2,将其作为人工遗传优化算法的染色体基因。
4.根据权利要求1所述的一种适应于配电网网络拓扑设计方法,其特征在于:所述步骤二中,基于人工遗传算法所设定的初始种群数量M,生成一个M×(N-2)矩阵Pop,如下式所示:
式中不得大于N,即为基于人工遗传算法创建的配电网络拓扑初始种群。
5.根据权利要求1所述的一种适应于配电网网络拓扑设计方法,其特征在于:所述的步骤三中,对权利要求4中M×(N-2)矩阵Pop的每行,即每条染色体进行prufer解码,并生成配电网网络拓扑结构N×N矩阵Node,为该矩阵的元素,值为1时代表配电网络节点i与配电网网络节点j 连接,值为0时则代表两点之间无连接。
6.根据权利要求1所述的一种适应于配电网网络拓扑设计方法,其特征在于:所述的步骤三中,基于权力要求5中所生成的配电网网络拓扑结构N×N矩阵Node,对该矩阵所代表的网络拓扑进行潮流计算,基于计及网络损耗和电能质量的评价函数计算该染色体的适应度,计算用的评价函数所下式所示;
式中,为第i条染色体的适应度评价函数,分别为第i 条染色体对应配电网网络拓扑潮流计算后的网络损耗、电压,为编号为m 的配电网络节点的额定电压。
7.根据权利要求1所述的一种适应于配电网网络拓扑设计方法,其特征在于:所述步骤四中,采用轮盘赌算法对种群进行选择,旧种群执行交叉算子后得到新种群,从旧种群中选择前B1%的优秀染色体作为子代群体,从新种群中选择前B2%的优秀染色体作为子代群体,并对子代种群染色体执行变异算子,从而模拟整个生物繁殖遗传过程。
8.其中,B1+B2=100,B1、B2、交叉概率crossRate和变异概率mutateRate可以根据算法表现情况进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610506547.8A CN106127304B (zh) | 2016-06-30 | 2016-06-30 | 一种适用于配电网网络拓扑设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610506547.8A CN106127304B (zh) | 2016-06-30 | 2016-06-30 | 一种适用于配电网网络拓扑设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106127304A true CN106127304A (zh) | 2016-11-16 |
CN106127304B CN106127304B (zh) | 2017-10-27 |
Family
ID=57467673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610506547.8A Active CN106127304B (zh) | 2016-06-30 | 2016-06-30 | 一种适用于配电网网络拓扑设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106127304B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108268359A (zh) * | 2017-12-30 | 2018-07-10 | 浙江中睿低碳科技有限公司 | 基于深度学习的空压站的优化方法 |
CN108667650A (zh) * | 2018-04-10 | 2018-10-16 | 北京航空航天大学 | 考虑业务流程特征的网络拓扑优化设计方法 |
CN109103991A (zh) * | 2018-10-23 | 2018-12-28 | 国网陕西省电力公司铜川供电公司 | 一种智能配电网的大数据分析方法 |
CN110751377A (zh) * | 2019-09-27 | 2020-02-04 | 国网天津市电力公司 | 一种直流配电网拓扑结构设计评估方法及装置 |
CN112036553A (zh) * | 2020-10-20 | 2020-12-04 | 江苏其厚智能电气设备有限公司 | 一种基于遗传算法的非信号注入式户相拓扑关系识别方法 |
CN113765718A (zh) * | 2021-09-10 | 2021-12-07 | 烽火通信科技股份有限公司 | 一种面向quic协议的测试拓扑构建方法及装置 |
CN113992375A (zh) * | 2021-10-21 | 2022-01-28 | 中国人民解放军国防科技大学 | 一种基于遗传算法的异质复杂网络防御方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102130737A (zh) * | 2010-01-15 | 2011-07-20 | 华为技术有限公司 | 网络拓扑获取方法及装置 |
CN102291308A (zh) * | 2011-08-25 | 2011-12-21 | 中科华核电技术研究院有限公司 | 一种网络动态负载均衡的实现方法与系统 |
US20120232713A1 (en) * | 2009-12-04 | 2012-09-13 | Abb Research Ltd. | Restoration Switching Analysis with Modified Genetic Algorithm |
CN103440521A (zh) * | 2013-08-21 | 2013-12-11 | 南昌大学 | 一种适用于配电网的编码和遗传算法及在配网重构中的应用 |
CN103903055A (zh) * | 2014-03-21 | 2014-07-02 | 国家电网公司 | 基于无向图所有生成树的网络重构遗传算法 |
CN105117517A (zh) * | 2015-07-28 | 2015-12-02 | 中国电力科学研究院 | 一种基于改进粒子群算法的配网重构方法 |
-
2016
- 2016-06-30 CN CN201610506547.8A patent/CN106127304B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120232713A1 (en) * | 2009-12-04 | 2012-09-13 | Abb Research Ltd. | Restoration Switching Analysis with Modified Genetic Algorithm |
CN102130737A (zh) * | 2010-01-15 | 2011-07-20 | 华为技术有限公司 | 网络拓扑获取方法及装置 |
CN102291308A (zh) * | 2011-08-25 | 2011-12-21 | 中科华核电技术研究院有限公司 | 一种网络动态负载均衡的实现方法与系统 |
CN103440521A (zh) * | 2013-08-21 | 2013-12-11 | 南昌大学 | 一种适用于配电网的编码和遗传算法及在配网重构中的应用 |
CN103903055A (zh) * | 2014-03-21 | 2014-07-02 | 国家电网公司 | 基于无向图所有生成树的网络重构遗传算法 |
CN105117517A (zh) * | 2015-07-28 | 2015-12-02 | 中国电力科学研究院 | 一种基于改进粒子群算法的配网重构方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108268359A (zh) * | 2017-12-30 | 2018-07-10 | 浙江中睿低碳科技有限公司 | 基于深度学习的空压站的优化方法 |
CN108667650A (zh) * | 2018-04-10 | 2018-10-16 | 北京航空航天大学 | 考虑业务流程特征的网络拓扑优化设计方法 |
CN108667650B (zh) * | 2018-04-10 | 2020-10-20 | 北京航空航天大学 | 考虑业务流程特征的网络拓扑优化设计方法 |
CN109103991A (zh) * | 2018-10-23 | 2018-12-28 | 国网陕西省电力公司铜川供电公司 | 一种智能配电网的大数据分析方法 |
CN109103991B (zh) * | 2018-10-23 | 2021-10-22 | 国网陕西省电力公司铜川供电公司 | 一种智能配电网的大数据分析方法 |
CN110751377A (zh) * | 2019-09-27 | 2020-02-04 | 国网天津市电力公司 | 一种直流配电网拓扑结构设计评估方法及装置 |
CN112036553A (zh) * | 2020-10-20 | 2020-12-04 | 江苏其厚智能电气设备有限公司 | 一种基于遗传算法的非信号注入式户相拓扑关系识别方法 |
CN112036553B (zh) * | 2020-10-20 | 2024-04-09 | 江苏其厚智能电气设备有限公司 | 一种基于遗传算法的非信号注入式户相拓扑关系识别方法 |
CN113765718A (zh) * | 2021-09-10 | 2021-12-07 | 烽火通信科技股份有限公司 | 一种面向quic协议的测试拓扑构建方法及装置 |
CN113765718B (zh) * | 2021-09-10 | 2023-06-09 | 烽火通信科技股份有限公司 | 一种面向quic协议的测试拓扑构建方法及装置 |
CN113992375A (zh) * | 2021-10-21 | 2022-01-28 | 中国人民解放军国防科技大学 | 一种基于遗传算法的异质复杂网络防御方法 |
CN113992375B (zh) * | 2021-10-21 | 2023-08-25 | 中国人民解放军国防科技大学 | 一种基于遗传算法的异质复杂网络防御方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106127304B (zh) | 2017-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106127304A (zh) | 一种适用于配电网网络拓扑设计方法 | |
CN110619454B (zh) | 一种基于改进遗传算法和prim算法的配电网规划方法 | |
CN105305490B (zh) | 一种考虑电能质量经济性最优的有源配电网规划方法 | |
CN106487005B (zh) | 一种考虑输配电价的电网规划方法 | |
CN104332995B (zh) | 基于改进粒子群算法的配电网重构优化方法 | |
CN103793566B (zh) | 一种基于遗传算法的风电场多型号风机优化排布方法 | |
CN109242177B (zh) | 有源配电网规划方法 | |
CN103903055B (zh) | 基于无向图所有生成树的网络重构方法 | |
CN106803130B (zh) | 分布式电源接入配电网的规划方法 | |
CN108880886B (zh) | 一种跨区域电力系统保护通信网规划方法 | |
CN105512472A (zh) | 大型风电基地功率汇集系统拓扑结构分层优化设计及其优化设计方法 | |
CN110854891B (zh) | 一种配电网灾前资源配置方法及系统 | |
CN105932690A (zh) | 一种综合无功优化与网络重构的配网运行优化方法 | |
CN112149264A (zh) | 一种基于改进哈里斯鹰优化算法的主动配电网规划方法 | |
CN109004643A (zh) | 基于改进粒子群算法的配电网重构优化方法 | |
CN104915788B (zh) | 一种考虑多风场相关性的电力系统动态经济调度的方法 | |
CN114580725A (zh) | 基于遗传算法的分布式光伏布线多目标优化方法及装置 | |
CN108665068A (zh) | 供水管网水力模型自动校核问题的改进遗传算法 | |
CN104134011A (zh) | 一种配电网小水电接入最优接纳能力的计算方法 | |
CN103473465A (zh) | 基于多目标人工免疫系统的土地资源空间布局优化方法 | |
Shereen | Optimal allocation of DG units for radial distribution systems using genetic algorithm | |
CN108734349A (zh) | 基于改进遗传算法的分布式电源选址定容优化方法及系统 | |
CN104143119B (zh) | 一种多尺度分层蜂窝输电网及其规划方法 | |
CN109888817A (zh) | 对光伏电站和数据中心进行位置部署和容量规划方法 | |
CN104978606A (zh) | 基于遗传算法的配电系统网络结构优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |